导读:本文包含了故障分级诊断论文开题报告文献综述及选题提纲参考文献，主要关键词:故障诊断,分级递阶,信息融合,BP神经网络
故障分级诊断论文文献综述
周于杰[1]（2019）在《同步发电机励磁装置分级递阶故障诊断研究》一文中研究指出励磁装置作为同步发电机的重要组成部分,承担着维持发电机机端电压稳定,合理分配无功,以及提高电力系统稳定性。其性能好坏决定着发电机组能否稳定的运行,同时也影响这电力系统安全、稳定、经济运行。当励磁装置出现故障时,如果不能及时采取措施,消除故障,将会导致发电机输出电压不稳定,电能质量下降,甚至停机,给发电厂带来巨大的经济损失。本文通过阅读大量文献,分析总结了励磁装置故障诊断的研究现状,提出了励磁装置分级递阶的故障诊断,即简单故障直接在现地级的励磁控制器中直接进行诊断,复杂故障在厂站级利用多源信息融合的算法进行综合诊断,既满足了实时性又保证了可靠性。本文首先对励磁装置分级递阶故障诊断系统进行了整体架构设计。该架构以水电厂统一信息平台为基础,是统一信息平台不可分割的一部分,分为现地级诊断、厂站级诊断和远程诊断。现地级在线监测与故障诊断,采用DSP作为主控芯片,利用传统的诊断方法,可以对励磁装置简单的故障进行诊断与报警。对一些典型故障进行了故障原因分析,并根据诊断难易程度进行了故障分类。研究了简单故障的诊断方法,包括频谱分析和工况分析。厂站级诊断针对励磁装置复杂故障,利用多源信息融合的算法进行综合诊断。以失磁故障为例,首先对励磁系统进行了建模仿真,通过对部分失磁和全部失磁的故障仿真,分析了失磁的动态过程。通过记录的故障波形,分析了失磁各个电气量的变化特征。由失磁仿真得到的故障特征量,建立了基于BP神经网络的故障诊断模型,提取部分故障样本对BP神经网络进行了构造与训练。将训练好的BP网络对部分故障案例信息进行诊断,通过Matlab仿真测试,表明基于多源信息融合的复杂故障诊断具有较高的准确率。基于以上研究,采用QT软件开发了水电厂统一信息平台系统,实现了故障诊断的人机交互界面。(本文来源于《重庆理工大学》期刊2019-03-20）
周妺末[2]（2018）在《基于DGA分析的电力变压器多层次分级故障诊断技术研究》一文中研究指出电力变压器担负着电网中电能变换与传输任务,是电力系统安全可靠、经济优质运行的重要保障。因此,对其潜伏性故障进行准确判断,减少和防止故障发生频率,并及时制定状态检修计划对整个系统而言意义重大。油中溶解气体分析(dissolved gas analysis,DGA)作为油浸式电力变压器故障诊断中应用范围最广应用时间最长的一种诊断方式,具有良好的故障诊断成效。本文根据当前DGA智能诊断算法中所具备的特点及局限性,将多层次分级思想贯穿始终,通过搜集大量专家经验与变压器状态数据深入研究了DGA数据与故障类间映射关系,以探索更有效的变压器故障诊断模型。本文构建的主要模型如下:首先,构建了基于粗糙集与决策融合的故障诊断模型。本模型在细致分析变压器故障产气机理与相关参考文献后,对传统DGA比值进行一定调整,并采用粗糙集理论对其进行有效降维。随后,利用信息融合对来自多分类器的多源诊断结果进行综合分析与决策融合以获取最终诊断。该方法实现了DGA冗余特征信息的筛除,采用多层次机器学习互补与信息融合思想克服了单一诊断局限性,能获取更有效的诊断结论。其次,构建了基于邻域粗糙集与多核支持向量机的变压器多级故障诊断模型。本模型对气体比值进一步调整后,采用邻域粗糙集获取各阶段属性重要度高的有效特征信息,并以此建立多层次分级诊断模型,以实现粗糙集缺陷优化并获得DGA数据与故障类间相关量化信息。此外,将多核支持向量机作为分类器,以克服单一核函数变化空间狭小与鲁棒性低的缺陷。实例分析证明,该方法不仅量化了故障特征与故障类间的模糊信息,而且具备良好的故障判定效果,能进一步提高诊断准确率。最后,为削弱分类数据不平衡性对故障诊断的制约,沿用分级诊断思想构建了基于K-S检验及NSMOTEBoost SVM的故障诊断模型。本模型采用K-S检验从统计角度筛选90%置信区间内各诊断层有效特征信息作为故障输入。此后,将NSMOTE重采样方式与集成学习BoostSVM分类器相结合构成可以应对数据不平衡性的新分类器进行诊断。实例证明该方法增加了少类样本诊断准确率,针对类间数据不平衡导致的诊断性能降低问题具有一定抑制作用,可提升整体样本诊断效果。(本文来源于《西南交通大学》期刊2018-05-01）
杨海生,杨孟卓,史承杰,齐郑[3]（2018）在《分级供电系统单相接地故障诊断技术的研究》一文中研究指出分级供电系统发生单相接地故障后,一级变电站和二级开闭站都会动作选线,大量的警报信息容易造成调度人员误判。文章提出了基于粗糙集理论的单相接地故障诊断技术,利用粗糙集理论的数据约简能力,有效整合具有相关性的信息,同时消除冗余信息,提高识别信息的快速性。另外利用粗糙集理论较强的容错能力,在诊断过程中,自动滤出并修正矛盾信息,提高诊断的准确性。设计了实用化的单相接地故障诊断系统,通过现场实际应用数据分析,充分验证了诊断技术的正确性。(本文来源于《电测与仪表》期刊2018年04期）
贾学涵,杨东升,郑薇,毕影娇[4]（2017）在《多因素分级Petri网配电故障诊断方法》一文中研究指出针对采用概率方法进行故障诊断易造成调度操作风险大的问题,提出一种配电网故障诊断的多因素分级Petri网模型,主要解决断路器或保护拒动、误动等故障信息不确定情况下的故障问题。该方法充分考虑了保护启动信息、保护出口信息、重合闸动作信息、断路器动作信息、事件顺序记录(sequence of event,SOE)时序信息以及连续电气量,实现故障信息不确定情况下的电网故障诊断。当电网故障存在信息不确定情况时,首先将连续电气量和SOE时序信息作为该模型的一级诊断区的输入,然后通过将连续电气量的故障时刻与SOE时序的故障时刻进行比较,根据比较结果判断并激发托肯能量变化的推理过程,给出存在信息不确定的情况下电网故障诊断结果。最后,针对某局部配电网模型进行了仿真验证,结果表明了该方法的有效性。(本文来源于《电网技术》期刊2017年03期）
苏宪利,郑一麟[5]（2016）在《基于分级特征库的机床故障诊断系统设计与实现》一文中研究指出针对机床故障诊断中人工诊断效率低、实时性差、误差大的缺点,研究提出使用分级特征库进行机床故障诊断,该研究将特征分为典型特征和非典型特征两级,在底层汇聚节点完成振动特征提取和典型特征(即A级特征)机床故障诊断,实现故障现场预警,提高了现场预警的实时性。在控制中心完成对非典型特征(即B级特征)综合处理和分析,同时对两级特征数据采用机器学习中SVM算法完成故障特征库的完善和更新,提高了机床故障诊断的准确性。通过实验证明该研究在基于特征库的机床故障诊断领域具有理论研究价值和工程应用价值,提高了数控机床故障诊断的实时性和精确性。(本文来源于《组合机床与自动化加工技术》期刊2016年05期）
朱亚萍[6]（2016）在《卫星姿态控制系统的分级故障诊断方法研究》一文中研究指出卫星姿态控制系统控制着卫星的姿态指向,是卫星中非常重要的组成部分,它的正常运行是卫星实现其整体功能的基本保证,在未来的卫星深空探测任务中具有广阔的应用前景。未来严峻的挑战对卫星的姿态提出了较高的要求,因此本文以卫星姿态控制系统为研究背景,重点分析系统中的敏感器和执行机构的分级故障诊断问题,分级完成了系统的故障检测、故障隔离与故障估计任务。主要研究内容包括:提出了基于未知输入观测器的故障检测算法。设计了一种简单的未知输入观测器,从而产生不受外界干扰影响的残差,用以判断系统是否发生故障及故障发生时刻。这种故障检测观测器最大的优点在于通过简单的设计实现干扰解耦,消除了干扰的影响。提出了基于泛函模糊神经网络的故障隔离算法,将故障检测观测器生成的残差作为泛函模糊神经网络的输入样本,通过神经网络的离线训练,确定系统故障发生的具体位置。同时给出一种PSO-黑鹳觅食混合算法,用以调整神经网络的权值,提高神经网络的学习能力。仿真结果表明,通过该学习算法优化的神经网络较传统PSO算法无论是收敛速度还是网络精度都得到了提高。提出了基于径向基函数神经网络的未知输入观测器设计方法,用以实现故障估计。本文所设计的未知输入观测器,结构简单易实现,同时还消除了干扰的影响。此外,通过在线训练径向基函数神经网络,实现了卫星姿态控制系统执行机构的实时故障估计。(本文来源于《南京航空航天大学》期刊2016-03-01）
王雪飞,涂强[7]（2016）在《汽轮发电机组振动故障分级诊断及处理》一文中研究指出引起汽轮发电机组振动的原因很多,如转子初始不平衡、转子临时热弯曲、动静摩擦、轴承损坏电气故障等均会造成机组的振动。随着对振动信号的分析手段的进步和完善,可以提取多方面的因素和状态,提出了一种考虑多因素的汽轮发电机组振动故障诊断方法。同时,针对采用水平与垂直方向的振动信号往往得出不同诊断结果的问题,采用一种结合水平与垂直方向振动综合诊断方法介绍汽轮发电机组振动故障分级诊断以及华能井冈山电厂一期机组振动原因分析处理和TSI轴振动跳机保护改造(本文来源于《2015年江西省电机工程学会年会论文集（《江西电力》2015年11月增刊）》期刊2016-01-20）
樊敏,胡梅,王玲[8]（2014）在《一种容差模拟电路的分级故障诊断方法》一文中研究指出提出了一种基于分级故障字典的容差模拟电路故障诊断方法;在测前首先对待诊断电路进行最坏情况分析得到容差电路输出电压的正常区间,并存为第一级故障字典用于电路故障检测;再利用节点电压灵敏度序列作为故障特征建立用于定位故障元件的第二级故障字典;最后通过测前划分元件参数的七段式仿真建立用于故障元件参数区间识别的第叁级故障字典;在测后实施故障诊断时可根据需要依次查阅字典,检测电路故障,定位故障元件及识别故障元件的参数区间;该方法能够提高测后故障诊断的效率,在实际应用中具有一定的参考价值;最后通过仿真实验验证了该方法的有效性。(本文来源于《计算机测量与控制》期刊2014年12期）
贾彩娟,许晖[9]（2011）在《分级多模自适应滤波算法无人机控制系统故障诊断》一文中研究指出应用标准的多模自适应滤波算法能够在较短时间内检测出控制系统的单一故障,但是当用于检测控制系统的双重和多重故障时,则需要建立所有可能出现的故障模型,而每一个模型都要对应一个卡尔曼滤波器,需要大量滤波器并行运算,大大增加了系统故障诊断时间,为了简化算法并减少计算时间,提出了一种用于复杂系统多重故障诊断的分级多重模型滤波算法,在确定某一单个故障发生后,则可以启用一组基于上一单个故障的新滤波器来检测系统的第二重故障,这样减少了并行运算的滤波器数量,从而减少计算量和故障诊断时间。将此算法应用于某无人机控制系统的双重故障的故障诊断,仿真结果验证了该方法的有效性。(本文来源于《火力与指挥控制》期刊2011年07期）
乌兰,陈雪艳[10]（2011）在《分级小波神经网络在故障诊断中的应用》一文中研究指出提出一种分级小波神经网络结构,可实现单一故障样本训练的神经网络与组合神经网络相结合,对单一故障和多发故障都能做出正确的判断,诊断结果准确可靠.(本文来源于《内蒙古民族大学学报(自然科学版)》期刊2011年02期）
故障分级诊断论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电力变压器担负着电网中电能变换与传输任务,是电力系统安全可靠、经济优质运行的重要保障。因此,对其潜伏性故障进行准确判断,减少和防止故障发生频率,并及时制定状态检修计划对整个系统而言意义重大。油中溶解气体分析(dissolved gas analysis,DGA)作为油浸式电力变压器故障诊断中应用范围最广应用时间最长的一种诊断方式,具有良好的故障诊断成效。本文根据当前DGA智能诊断算法中所具备的特点及局限性,将多层次分级思想贯穿始终,通过搜集大量专家经验与变压器状态数据深入研究了DGA数据与故障类间映射关系,以探索更有效的变压器故障诊断模型。本文构建的主要模型如下:首先,构建了基于粗糙集与决策融合的故障诊断模型。本模型在细致分析变压器故障产气机理与相关参考文献后,对传统DGA比值进行一定调整,并采用粗糙集理论对其进行有效降维。随后,利用信息融合对来自多分类器的多源诊断结果进行综合分析与决策融合以获取最终诊断。该方法实现了DGA冗余特征信息的筛除,采用多层次机器学习互补与信息融合思想克服了单一诊断局限性,能获取更有效的诊断结论。其次,构建了基于邻域粗糙集与多核支持向量机的变压器多级故障诊断模型。本模型对气体比值进一步调整后,采用邻域粗糙集获取各阶段属性重要度高的有效特征信息,并以此建立多层次分级诊断模型,以实现粗糙集缺陷优化并获得DGA数据与故障类间相关量化信息。此外,将多核支持向量机作为分类器,以克服单一核函数变化空间狭小与鲁棒性低的缺陷。实例分析证明,该方法不仅量化了故障特征与故障类间的模糊信息,而且具备良好的故障判定效果,能进一步提高诊断准确率。最后,为削弱分类数据不平衡性对故障诊断的制约,沿用分级诊断思想构建了基于K-S检验及NSMOTEBoost SVM的故障诊断模型。本模型采用K-S检验从统计角度筛选90%置信区间内各诊断层有效特征信息作为故障输入。此后,将NSMOTE重采样方式与集成学习BoostSVM分类器相结合构成可以应对数据不平衡性的新分类器进行诊断。实例证明该方法增加了少类样本诊断准确率,针对类间数据不平衡导致的诊断性能降低问题具有一定抑制作用,可提升整体样本诊断效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
故障分级诊断论文参考文献
[1].周于杰.同步发电机励磁装置分级递阶故障诊断研究[D].重庆理工大学.2019
[2].周妺末.基于DGA分析的电力变压器多层次分级故障诊断技术研究[D].西南交通大学.2018
[3].杨海生,杨孟卓,史承杰,齐郑.分级供电系统单相接地故障诊断技术的研究[J].电测与仪表.2018
[4].贾学涵,杨东升,郑薇,毕影娇.多因素分级Petri网配电故障诊断方法[J].电网技术.2017
[5].苏宪利,郑一麟.基于分级特征库的机床故障诊断系统设计与实现[J].组合机床与自动化加工技术.2016
[6].朱亚萍.卫星姿态控制系统的分级故障诊断方法研究[D].南京航空航天大学.2016
[7].王雪飞,涂强.汽轮发电机组振动故障分级诊断及处理[C].2015年江西省电机工程学会年会论文集（《江西电力》2015年11月增刊）.2016
[8].樊敏,胡梅,王玲.一种容差模拟电路的分级故障诊断方法[J].计算机测量与控制.2014
[9].贾彩娟,许晖.分级多模自适应滤波算法无人机控制系统故障诊断[J].火力与指挥控制.2011
[10].乌兰,陈雪艳.分级小波神经网络在故障诊断中的应用[J].内蒙古民族大学学报(自然科学版).2011